Què és la IA Prompting?

Si alguna vegada has escrit una pregunta en un chatbot i has pensat que això no és exactament el que volia , has topat amb l'art de la IA que fa preguntes. Obtenir grans resultats té menys a veure amb la màgia i més amb com les preguntes. Amb uns quants patrons senzills, pots guiar els models perquè escriguin, raonin, resumeixin, planifiquin o fins i tot critiquin la seva pròpia feina. I sí, petits ajustos en la redacció poden canviar-ho tot. 😄

Articles que potser t'agradaria llegir després d'aquest:

🔗 Què és l'etiquetatge de dades d'IA?
Explica com els conjunts de dades etiquetats entrenen models d'aprenentatge automàtic precisos.

🔗 Què és l'ètica de la IA?
Cobreix els principis que guien l'ús responsable i just de la intel·ligència artificial.

🔗 Què és MCP en IA?
Introdueix el Protocol de Contexte de Model i el seu paper en la comunicació amb IA.

🔗 Què és la IA perifèrica?
Descriu l'execució de càlculs d'IA directament en dispositius locals perimetrals.

Què és la IA que indica? 🤖

L'enginyeria de prompts mitjançant IA és la pràctica de crear entrades que guiïn un model generatiu cap a la producció del resultat que realment voleu. Això pot significar instruccions clares, exemples, restriccions, rols o fins i tot un format objectiu. En altres paraules, dissenyeu la conversa de manera que el model tingui una oportunitat de lliurar exactament el que necessiteu. Les guies autoritàries descriuen l'enginyeria de prompts com el disseny i el refinament de prompts per dirigir models lingüístics grans, emfatitzant la claredat, l'estructura i el refinament iteratiu. [1]

Siguem sincers: sovint tractem la IA com un quadre de cerca. Però aquests models funcionen millor quan els hi expliques la tasca, el públic, l'estil i els criteris d'acceptació. Això és, en poques paraules, la indicació de la IA.

Què fa que la IA faci de bona eina per a la indicació ✅

• La claredat supera l'enginy : les instruccions simples i explícites redueixen l'ambigüitat. [2]

• El context és el més important : doneu els antecedents, els objectius, el públic, les restriccions i fins i tot un exemple d'escriptura.

• Mostra, no només explica : un parell d'exemples poden ancorar l'estil i el format. [3]

• L'estructura ajuda : els encapçalaments, els punts clau, els passos numerats i els esquemes de sortida guien el model.

• Itera ràpidament : refina la pregunta en funció del que has rebut i després torna a provar-la. [2]

• Preocupacions separades : primer demaneu una anàlisi i després la resposta final.

• Permet l'honestedat : convida el model a dir que no ho sé o demana informació que falta quan calgui. [4]

Res d'això és física nuclear, però l'efecte agreujant és real.

Els elements bàsics de la IA Prompting 🧩

1. Instrucció
   Enumeri la feina clarament: escriure un comunicat de premsa, analitzar un contracte, criticar el codi.

2. Context
   Inclou el públic, el to, l'àmbit, els objectius, les restriccions i qualsevol barrera de protecció sensible.

3. Exemples
   Afegiu 1–3 mostres d'alta qualitat per donar forma a l'estil i l'estructura.

4. Format de sortida
   Demaneu JSON, una taula o un pla numerat. Sigueu específics sobre els camps.

5. Barra de qualitat
   Defineix "fet": criteris de precisió, cites, longitud, estil, errors a evitar.

6. Suggeriments per al flux de treball
   Suggereix un raonament pas a pas o un bucle d'esborrany i edició.

7. a prova d'errors
   per dir que no ho sé o per fer primer preguntes aclaridores. [4]

Mini abans/després
Abans: "Escriu un text de màrqueting per a la nostra nova aplicació."
Després: "Ets un redactor sènior de marca. Escriu 3 titulars de pàgina de destinació per a professionals autònoms ocupats que valoren l'estalvi de temps. To: concís, creïble, sense exageracions. De 5 a 7 paraules. Crea una taula amb el títol i per què funciona . Inclou una opció contrària."

Els principals tipus d'indicacions d'IA que realment utilitzaràs 🧪

• Indicacions directes
  Una sola instrucció amb un context mínim. Ràpida, de vegades fràgil.

• Indicacions en pocs plans.
  Proporcioneu un parell d'exemples per ensenyar el patró. Ideal per a formats i to. [3]

• Assignació de rols
  Assignar un personatge com ara un editor sènior, un tutor de matemàtiques o un revisor de seguretat per modelar el comportament.

• Encadenació de suggeriments
  Demaneu al model que pensi per etapes: planificar, esborrar, criticar, revisar.

• Autocrítica:
  fer que el model avaluï els seus propis resultats segons uns criteris i solucioni els problemes.

• Indicacions conscients de les eines
  Quan el model pot navegar o executar codi, indiqueu-li quan i com utilitzar aquestes eines. [1]

• Instauració
  de restriccions de seguretat i normes de divulgació per reduir els resultats arriscats, com ara pistes de para-xocs a la pista de bitlles: una mica sorollós però útil. [5]

Patrons pràctics que funcionen 🧯

• El sandvitx de tasques
  Comenceu amb la tasca, afegiu context i exemples al mig i acabeu reformulant el format de sortida i la barra de qualitat.

• Crític i després creador
  Demaneu primer una anàlisi o una crítica i després el producte final que incorpori aquesta crítica.

• Basat en una llista de verificació
  Proporcioneu una llista de verificació i demaneu al model que confirmi cada casella abans de finalitzar.

• Schema-First
  Doneu un esquema JSON i demaneu al model que l'ompli. Perfecte per a dades estructurades.

• Bucle de conversa
  Convida el model a fer 3 preguntes aclaridores i després continua. Alguns proveïdors recomanen explícitament aquest tipus de claredat i especificitat estructurades. [2]

Petit ajust, gran canvi. Ja ho veuràs.

Indicacions d'IA vs. ajust precís vs. simplement canviar de model 🔁

De vegades es pot corregir la qualitat amb una millor indicació. Altres vegades, el camí més ràpid és triar un model diferent o afegir un lleuger ajust fi per al domini. Les bones guies dels proveïdors expliquen quan cal fer enginyeria de suggeriments i quan cal canviar el model o l'enfocament. La versió curta: utilitzeu la indicació per a l'elaboració i la coherència de les tasques, i considereu l'ajust fi per a l'estil del domini o per a resultats estables a escala. [4]

Exemples de sol·licituds per domini 🎯

• Màrqueting
  Ets un redactor sènior de marques. Escriu 5 línies d'assumpte per a un correu electrònic per a professionals autònoms ocupats que valoren l'estalvi de temps. Mantén-les concises, de menys de 45 caràcters i evita els signes d'exclamació. Mostra-les com una taula de 2 columnes: Assumpte, Justificació. Inclou 1 opció sorprenent que incompleixi una norma.

• Producte
  Ets un gestor de producte. Converteix aquestes notes en brut en un enunciat concís del problema, històries d'usuari en format Given-When-Then i un pla de desplegament de 5 passos. Marca les suposicions poc clares.

• Assistència
  Converteix aquest missatge de client frustrat en una resposta tranquil·litzadora que expliqui la solució i estableixi expectatives. Mantén l'empatia, evita culpar i inclou un enllaç útil.

• Dades
  Primer enumereu les suposicions estadístiques de l'anàlisi. Després, critiqueu-les. Finalment, proposeu un mètode més segur amb un pla numerat i un exemple curt de pseudocodi.

• Legal
  Resumeix aquest contracte per a una persona que no sigui advocada. Només vinyetes, sense assessorament legal. Indica qualsevol clàusula d'indemnització, rescissió o propietat intel·lectual en un anglès planer.

Aquestes són plantilles que pots modificar, no regles rígides. Suposo que és obvi, però tot i així.

Taula comparativa: opcions de suggeriments d'IA i on destaquen 📊

Sí, la taula és una mica desigual. La vida real també.

Errors comuns en les indicacions d'IA i com solucionar-los 🧹

1. Preguntes vagues
   Si la teva pregunta sona com un encongiment d'espatlles, el resultat també ho farà. Afegeix el públic, l'objectiu, la durada i el format.

2. Sense exemples
   Quan vulguis un estil molt específic, dóna'n un exemple. Fins i tot un de petit. [3]

3. Sobrecarregar la indicació
   Les indicacions llargues sense estructura confonen els models. Utilitzeu seccions i vinyetes.

4. Ometre l'avaluació Comproveu
   sempre si hi ha afirmacions factuals, biaixos i omissions. Demaneu citacions quan sigui apropiat. [2]

5. Ignorar la seguretat
   Aneu amb compte amb les instruccions que poden incloure contingut no fiable. La injecció de prompts i els atacs relacionats són riscos reals quan navegueu o extreu contingut de pàgines externes; dissenyeu defenses i proveu-les. [5]

Avaluant la qualitat puntual sense conjectures 📏

• Definiu l'èxit des del principi:
  precisió, integritat, to, compliment del format i temps fins a la producció utilitzable.

• Feu servir llistes de control o rúbriques.
  Demaneu al model que s'autoavaluï segons els criteris abans de retornar la prova final.

• Ablació i comparació
  Canvieu un element de la pregunta a la vegada i mesureu la diferència.

• Prova un model o una temperatura diferents.
  De vegades, la victòria més ràpida és canviar de model o ajustar els paràmetres. [4]

• Patrons d'error de seguiment
  Al·lucinacions, desviació de l'abast, públic equivocat. Escriviu contraindicacions que les bloquegin explícitament.

Seguretat, ètica i transparència en les indicacions d'IA 🛡️

Una bona indicació inclou restriccions que redueixen el risc. Per a temes delicats, demaneu cites a fonts autoritàries. Per a qualsevol cosa que toqui polítiques o compliment normatiu, demaneu que el model citi o ajorni. Les guies establertes promouen constantment instruccions clares i específiques, resultats estructurats i refinament iteratiu com a valors per defecte més segurs. [1]

A més, quan integreu contingut de navegació o extern, tracteu les pàgines web desconegudes com a no fiables. El contingut ocult o contradictori pot empènyer els models a fer afirmacions falses. Creeu indicacions i proves que resisteixin aquests trucs i manteniu un humà informat de les respostes d'alt risc. [5]

Llista de comprovació d'inici ràpid per a un bon suport d'IA ✅🧠

• Enumereu la tasca en una frase.

• Afegiu públic, to i restriccions.

• Inclou 1–3 exemples breus.

• Especifiqueu el format o l'esquema de sortida.

• Primer demana els passos i després la resposta final.

• Requereix una breu autocrítica i correccions.

• Deixa que faci preguntes aclaridores si cal.

• Itera en funció de les llacunes que vegis... i després guarda la proposta guanyadora.

On aprendre més sense ofegar-se en argot 🌊

Els recursos de proveïdors autoritzats tallen el soroll. OpenAI i Microsoft mantenen guies pràctiques de suggeriments amb exemples i consells per a situacions. Anthropic explica quan els suggeriments són la palanca correcta i quan cal provar alguna cosa diferent. Llegiu-los quan vulgueu una segona opinió que no sigui només vibracions. [1][2][3][4]

Massa temps sense llegir-ho i reflexions finals 🧡

Les indicacions d'IA són la manera de convertir una màquina intel·ligent però literal en un col·laborador útil. Digues-li la feina, mostra-li el patró, bloqueja el format i estableix un llistó de qualitat. Itera una mica. Això és tot. La resta és pràctica i gust, amb una mica de tossuderia. De vegades hi penses massa, de vegades ho subestimes i, de tant en tant, t'inventes una metàfora estranya sobre les pistes de bitlles que gairebé funciona. Continua. La diferència entre resultats mitjans i excel·lents sol ser només una indicació millor.

Referències

1. OpenAI - Guia d'enginyeria ràpida: llegiu-ne més

2. Centre d'ajuda d'OpenAI: bones pràctiques d'enginyeria ràpida per a ChatGPT: llegiu-ne més

3. Microsoft Learn - Tècniques d'enginyeria ràpida (Azure OpenAI): més informació

4. Anthropic Docs - Visió general de l'enginyeria ràpida: llegiu-ne més

5. OWASP GenAI - LLM01: Injecció ràpida: llegiu-ne més

Troba la darrera versió d'IA a la botiga oficial d'assistents d'IA

Sobre nosaltres